Eloquence 团队详细介绍了他们为 Interspeech 2026 MLC-SLM 挑战赛提交的方案，该方案专注于 21 种语言的多语言选择题问答。他们探索了三种不同的方法：使用 LoRA 和各种数据增强技术对 Voxtral-Mini-3B 进行微调；采用 Voxtral-24B 模型的模态内语境学习以减轻标签偏差；以及开发利用语音锚定记忆的无训练检索系统。内语境学习方法取得了最佳性能，宏观准确率为 0.72，而所有三个系统均超越了挑战赛的基线。 AI
影响 这项研究为多语言问答系统的进步做出了贡献，并探索了提高模型在不同语言任务上性能的新颖技术。
排序理由 该条目是一篇研究论文，详细介绍了提交给挑战赛的方案。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
